随着移动互联网的快速发展和智能手机、平板电脑、个人电脑等移动终端设备的普及，移动数据流量急剧增长，从而给蜂窝网络带来了巨大的流量压力。建设更多基站或者升级蜂窝网络配置等传统的解决途径，难以有效应对数据流量的急剧增长。当前研究热点表明，移动数据流量卸载是解决蜂窝网络负载压力的有效措施之一。基于机会连接的流量卸载利用用户之间建立机会连接，是一种高效灵活的应对流量激增的解决方案。本文基于真实的中国移动用户上网记录数据，研究了基于机会连接的移动数据流量卸载策略，针对完全信息和不完全信息两种应用场景分别设计了流量卸载算法，主要研究内容如下:　　1.根据用户相遇关系进行网络建模，分析了网络拓扑结构、用户移动性和用户上网行为特征，然后采用随机森林算法对用户相遇的机会连接进行预测，并将该算法应用在真实数据集上，取得了较好的预测效果。　　2.提出了一种在完全信息应用场景中基于Stackelberg博弈的流量卸载算法，在机会连接预测的基础上，将运营商、内容提供用户和内容需求用户三方之间的交互行为建模为Stackelberg博弈过程，分析了构建的博弈模型中Nash均衡的存在性，然后利用迭代算法设计流量卸载策略，实验结果表明该算法可以有效减轻运营商的流量负载。　　3.提出了一种在不完全信息应用场景中基于强化学习的流量卸载算法，在分析用户流量需求的基础上，设计了系统效用函数，然后利用强化学习Gradient Bandit算法设计使总效用最大化的流量卸载策略，并通过实验验证了该算法的有效性。　　本文利用用户之间建立机会连接，针对完全信息和不完全信息两种应用场景提出的流量卸载算法可以有效减轻蜂窝网络的流量负载压力，能够为两种应用场景中的流量卸载决策提供指导，高效应对数据流量的持续增长。本文的研究工作不仅具有应用价值，也为基于机会连接的移动数据流量卸载策略研究提供了一种新思路。